[发明专利]人脸图像的质量评价方法、装置以及计算机可读存储介质

权利要求书

1.一种人脸图像的质量评价方法，其特征在于，包括：

将多个人脸图像输入至训练后的多任务网络模型中，以获得每张所述人脸图像对应的多个属性的预测值，其中，所述属性包括人脸角度、人脸清晰度以及人脸遮挡信息；

根据多个所述属性的预测值获得对应的所述人脸图像的人脸质量得分。

2.根据权利要求1所述的质量评价方法，其特征在于，所述根据所述多个属性的预测值获得对应的所述人脸图像的人脸质量得分的步骤之前，包括：

针对每张所述人脸图像，计算获得当前所述人脸图像的卡尔曼增益矩阵，并利用所述卡尔曼增益矩阵获得当前所述人脸图像的人脸角度的最优估计值和人脸清晰度的最优估计值；

获得当前所述人脸图像的人脸角度的预测值与人脸角度的最优估计值之间的第一差值、以及当前所述人脸图像的人脸清晰度的预测值与人脸清晰度的最优估计值之间的第二差值；

判断所述第一差值和所述第二差值是否符合预设条件；

若是，则进入所述根据所述多个属性的预测值获得对应的所述人脸图像的人脸质量得分的步骤；否则，不进入所述根据所述多个属性的预测值获得对应的所述人脸图像的人脸质量得分的步骤。

3.根据权利要求2所述的质量评价方法，其特征在于，所述人脸角度包括俯仰角、旋转角以及偏航角；

所述获得当前所述人脸图像的人脸角度的预测值与人脸角度的最优估计值之间的第一差值的步骤包括：

获得当前所述人脸图像中所述俯仰角的预测值与所述俯仰角的最优估计值之间的差值、所述旋转角的预测值与所述旋转角的最优估计值之间的差值以及所述偏航角的预测值与所述偏航角的最优估计值之间的差值。

4.根据权利要求2或3任一项所述的质量评价方法，其特征在于，所述判断所述第一差值和所述第二差值是否符合预设条件的步骤，包括：

获得当前所述人脸图像中所述俯仰角的预测值与所述俯仰角的最优估计值之间的差值的绝对值、所述旋转角的预测值与所述旋转角的最优估计值之间的差值的绝对值以及所述偏航角的预测值与所述偏航角的最优估计值之间的差值的绝对值的和值；

判断所述和值是否小于第一阈值且所述第二差值的绝对值是否小于第二阈值。

5.根据权利要求1所述的质量评价方法，其特征在于，所述根据所述多个属性的预测值获得对应的所述人脸图像的人脸质量得分的步骤，包括：

利用每张所述人脸图像的所述人脸角度的得分值、所述人脸清晰度的得分值和所述人脸遮挡信息的得分值构建三维空间矩阵，且所述三维空间矩阵的原点坐标为(0,0,0)；其中，所述人脸角度的得分值、所述人脸清晰度的得分值和所述人脸遮挡信息的得分值分别与对应属性的所述预测值相关；

基于所述三维空间矩阵中经过所述原点坐标的对角线获得每张所述人脸图像的所述人脸质量得分。

6.根据权利要求5所述的质量评价方法，其特征在于，所述基于所述三维空间矩阵中经过所述原点坐标的对角线获得每张所述人脸图像的所述人脸质量得分的步骤，包括：

获得所述人脸角度的得分值的平方与第一权重的第一乘积、所述人脸清晰度的得分值的平方与第二权重的第二乘积、所述人脸遮挡信息的得分值的平方与第三权重的第三乘积；其中，所述第一权重、所述第二权重和所述第三权重的范围均为0-1；

将所述第一乘积、所述第二乘积和所述第三乘积之和的平方根值和归一化系数的乘积作为所述人脸质量得分。

7.根据权利要求1所述的质量评价方法，其特征在于，所述将所述多个人脸图像输入至训练后的多任务网络模型中，以获得每张所述人脸图像对应的多个属性的预测值，其中，所述多个属性包括人脸角度、人脸清晰度以及人脸遮挡信息的步骤之前，包括：

从视频流中获得多个目标人脸图像；

对多个所述目标人脸图像进行全局模糊度计算，以获得每张所述目标人脸图像的第一清晰度；

判断所述第一清晰度是否大于第三阈值；

若是，则进入将多个人脸图像输入至训练后的多任务网络模型中，以获得每张所述人脸图像对应的多个属性的预测值的步骤。